研究者提出层级化连续流语言模型，增强 RL 抗 critic 利用能力

研究者 vxnuaj 提出层级化连续流（hierarchical continuous flow）语言模型设计，旨在让基于路径（pathwise）的强化学习对 critic 被利用（critic exploitation）问题更具鲁棒性。该工作通过层级化架构改进连续流语言模型，为缓解强化学习中 reward critic 被模型利用的缺陷提供了新思路。

2026-10-27 ~ 2026-10-27 · 2 条相关

• 层级连续流语言模型让路径级 RL 更能抵御 critic 利用 — vxnuaj · 2026-10-27

另有 1 条近重复转述:vxnuaj